[发明专利]基于复杂网络社区发现的层次重叠核心药群发现方法

摘要

基于复杂网络社区发现的层次重叠核心药群发现方法，包括如下步骤：1)TCMF网络的构建：a)对给定数量的方剂计算每味药物的出现贡献度并删掉出现贡献度小于一定阈值的药物；b)计算二元组药物的AC值做删减，再计算三元组药物的AC值做删减；c)剩余三元组构建TCMF网络；d)结束；2)TCMF网络层次及重叠核心药群发现：a)预处理步骤1得到的TCMF网络；b)对预处理后的TCMF网络执行MAIGA算法进行药群发现；c)返回药群划分结果；d)结束；本发明从复杂网络的观点出发来探索中药方剂配伍规律，为中药方剂挖掘的研究提供了新的模型，解决了传统聚类单分配问题。

主权项

1.基于复杂网络社区发现的层次重叠核心药群发现方法，其特征是包括如下步骤：步骤一TCMF网络的构建方法：a)对给定数量的方剂计算每味药物的贡献度和用量AC值并删掉AC值小于一定阈值的药物；b)计算二元组药物的AC值做删减，再计算三元组药物的AC值做删减；c)剩余三元组构建TCMF网络；d)结束；步骤二TCMF网络层次重叠核心药群发现方法：a)预处理步骤一得到的TCMF网络；b)对预处理后的TCMF网络执行MAIGA算法进行药群发现；c)返回药群划分结果；d)结束；其中：步骤一和步骤二所述的TCMF网络为中医药方剂网络；步骤一-a所述的药物在方剂中的AC值，即将药物x的出现贡献度p_x，计算公式为：px=1F.size---(1)]]>式中F.size为方剂F所包含的药物种类数、即方剂中药物数量；步骤一-b所述的二元组药物组合xy的AC值p_xy计算公式为：pxy=2F.size---(2)]]>步骤一-b所述的三元组药物组合xyz的AC值p_xyz计算公式为：pxyz=2F.size---(3)]]>步骤一-c中所述的剩余三元组构建TCMF网络为对AC值p_xyz大于给定阈值的三元组药物组合构建网络，其具体过程为：初始TCMF网络为空、即没有结点和边，遍历每个三元组药物组合，把三元组中每一味药物作为结点，若TCMF网络中不存在该药物结点，则将该结点加入网络，然后将该三元组中的三个药物结点每两个组合为一条边加入到TCMF网络中，从而构建得到TCMF网络；步骤二-a中所述的预处理为对步骤一-c构建的TCMF网络设定停词阈值(max_ac)去除高AC值但是低相关的药物；步骤二-b中所述的MAIGA算法为极大团生长算法(MAx clIque Growing Algorithm，简写MAIGA)，包括两部分，极大团生长(MaxCliqueGrowing)算法和簇合并(ClusterMerging)算法，其具体过程如下：MAIGA算法极大团生长部分，具体步骤为：步骤0为起始步骤；步骤1为给定TCMF网络；步骤2为计算TCMF网络结点度存于哈希表hmNodeDegree；步骤3为判断hmNodeDegree是否为空，若不为空，执行步骤4，否则算法终止；步骤4为取hmNodeDegree中度最大的结点u构建极大团C，构建过程为：寻找结点u及其邻结点集合N(u)，若结点集N(u)∪{u}不是完全图，则重复执行删掉N(u)中结点x的工作直到N(u)∪{u}是完全图，其中结点x在子图N(u)∪{u}中的内度最小；步骤5为判断是否极大团C的结点数C.size＝2，若是，执行步骤6，否则执行步骤7；步骤6为输出C并且hmNodeDegree.remove(u)，执行步骤3；步骤7为寻找C邻结点集N_c，这里N_c←N(C，C)；U_c为C真子集，其中u为结点，S_c(S_c∈U_c)，U_c({S_c∈U_c|S_c.size＞1&u∈S_c})；步骤8为判断是否N_c为空，若空，执行步骤13，否则执行步骤9；步骤9为任取N_c中一结点v；步骤10为判断结点v是否满足d_vC+Cⁱⁿ≥σ(C.size+1)，若是执行步骤12，否则执行步骤11；步骤11为N_c＝N_c-{v}，然后执行步骤8；步骤12为执行算法Grow(C，v，C)，然后执行步骤11；步骤13为求C真子集U_c，其中U_c({S_c∈U_c|S_c.size＞1&u∈S_c})；步骤14为取任一S_c∈U_c寻找其邻接点集中d_wS最大的结点w，执行Grow(S_c，w，C)；步骤15为删除结点u到C中其它结点的边；步骤16为更新hmNodeDegree，然后执行步骤3；步骤17为算法的终止；算法说明：极大团为极大完全图，它不会包含在比它更大的完全图中，哈希表hmNodeDegr存放<node，degree>键值对，Cⁱⁿ为社团C所包含边数，N_c←N(C，C_x)为求极大团C的不包含在C_x中的邻结点集合N_c。σ(|C|)为衡量社团生长合适度的密度函数：σ(|C|)=|C|21-1|C|2---(4).]]>